CIE如何通过MCP工具集为AI代理提供本地化代码智能？

超过 20 个 MCPModel Context Protocol - a protocol that enables AI models to access external tools, data sources, and services to enhance their capabilities and context awareness. 工具，为 AI 代理提供语义代码搜索基于代码含义而非关键词匹配的搜索技术，能够理解代码的语义内容，提供更准确的搜索结果。、调用图分析分析代码中函数调用关系的技术，能够追踪执行路径，包括接口分发解析，帮助理解代码执行流程。和端点发现功能 —— 100% 本地运行，数秒内索引 10 万行代码。

20+ MCP tools that give AI agents semantic code search, call graph analysis, and endpoint discovery — 100% local, indexes 100k LOC in seconds.

实践案例：在追踪 MIE 代码库的调用图时，Claude Code 在没有 CIE代码智能引擎，全称Code Intelligence Engine，是一个本地优先的代码分析工具，通过索引代码库提供语义搜索、调用图分析和端点发现功能。 的情况下需要 34 次工具调用。使用 CIE 后，仅需 3 次。具体结果因查询而异，但结构化的代码智能持续减少了代理的往返次数。

In practice: Tracing a call graph through MIE's codebase, Claude Code needed 34 tool calls without CIE. With CIE, it needed 3. Results vary by query, but structured code intelligence consistently reduces agent round-trips.

快速开始 • 功能特性 • 文档 • 支持

---

CIE 能够索引您的代码库，并通过模型上下文协议（Model Context Protocol, MCP）提供语义搜索、调用图分析和 AI 驱动的代码理解能力。

CIE indexes your codebase and provides semantic search, call graph analysis, and AI-powered code understanding through the Model Context Protocol (MCP).

为什么选择 CIE？

Why CIE?

• 语义搜索 - 通过含义而非简单的文本匹配来查找代码 (Semantic Search - Find code by meaning, not just text matching)

安装

Installation

功能特性

Features

语义代码搜索

Semantic Code Search

通过含义查找代码，而非关键词：

Find code by meaning, not keywords:

# 提问："认证中间件在哪里？"
# 通过 MCP 使用 cie_semantic_search 工具

# Ask: "Where is authentication middleware?"
# Use cie_semantic_search tool via MCP

示例输出：

Example output:

[95%] AuthMiddleware (internal/http/auth.go:42)
[76%] ValidateToken (internal/auth/jwt.go:103)

调用图分析

Call Graph Analysis

追踪执行如何到达任何函数：

Trace how execution reaches any function:

# 问题："main() 如何到达 database.Connect()？"
# 使用 cie_trace_path 工具

# Question: "How does main() reach database.Connect()?"
# Use cie_trace_path tool

示例输出：

Example output:

main → InitApp → SetupDatabase → database.Connect
  ├─ File: cmd/server/main.go:25
  ├─ File: internal/app/init.go:42
  └─ File: internal/database/setup.go:18

HTTP 端点发现

HTTP Endpoint Discovery

自动列出所有 API 端点：

List all API endpoints automatically:

# 使用 cie_list_endpoints 工具

# Use cie_list_endpoints tool

示例输出：

Example output:

[GET]    /api/v1/users          → HandleGetUsers
[POST]   /api/v1/users          → HandleCreateUser
[DELETE] /api/v1/users/:id      → HandleDeleteUser

多语言支持

Multi-Language Support

Supports Go, Python, JavaScript, TypeScript, and more through Tree-sitter一个增量解析系统，用于构建代码的抽象语法树，支持多种编程语言。 parsers.

快速开始

Quick Start

1. 安装 CLI

1. Install the CLI

Homebrew (macOS/Linux):

brew tap kraklabs/cie
brew install cie

脚本安装：

Script:

curl -sSL https://raw.githubusercontent.com/kraklabs/cie/main/install.sh | sh

手动下载：

Manual download:
Download from GitHub Releases.

2. 索引您的代码库

2. Index Your Repository

cd /path/to/your/repo
cie init -y    # 初始化项目配置
cie index      # 索引代码库（无需 Ollama 也可工作）

cd /path/to/your/repo
cie init -y    # Initialize project configuration
cie index      # Index the codebase (works without Ollama too)

示例输出：

Example output:

Project: your-repo-name
Files: 1,234
Functions: 5,678
Types: 890
Last indexed: 2 minutes ago

注意： CIE 无需 OllamaA tool for running and managing AI models locally, supporting DeepSeek and other models. 即可工作 —— 您将可以访问包括 grep、调用图、函数查找器等在内的 20 多种工具。语义搜索需要来自 Ollama 或其他提供商的嵌入模型。

Note: CIE works without Ollama -- you'll have access to 20+ tools including grep, call graph, function finder, and more. Semantic search requires embeddings from Ollama or another provider.

管理命令

Management Commands

MCP 服务器模式

MCP Server Mode

CIE 可以作为 MCP 服务器运行，以便与 Claude Code 集成：

CIE can run as an MCP server for integration with Claude Code:

cie --mcp

在您的 Claude Code 设置中进行配置：

Configure in your Claude Code settings:

{
  "mcpServers": {
    "cie": {
      "command": "cie",
      "args": ["--mcp"]
    }
  }
}

配置

Configuration

CIE uses a YAML configuration file (/.cie/project.yaml):

version: "1"
project_id: my-project
embedding:
  provider: ollama
  base_url: http://localhost:11434
  model: nomic-embed-text

嵌入模型是可选的。 CIE 无需 Ollama 或任何嵌入模型提供商即可工作。您可以完全访问所有结构化工具（grep、调用图、函数查找器等）。只有语义搜索 (cie_semantic_search) 需要嵌入模型。

Embeddings are optional. CIE works without Ollama or any embedding provider. You get full access to all structural tools (grep, call graph, function finder, etc.). Only semantic search (cie_semantic_search) requires embeddings.

您也可以为 cie_analyze 的叙述生成配置一个 LLM：

You can also configure an LLM for cie_analyze narrative generation:

# 可选：用于 cie_analyze 叙述生成的 LLM
llm:
  enabled: true
  base_url: http://localhost:11434  # Ollama
  model: llama3
  # 对于 OpenAI: base_url: https://api.openai.com/v1, model: gpt-4o-mini

# Optional: LLM for cie_analyze narrative generation
llm:
  enabled: true
  base_url: http://localhost:11434  # Ollama
  model: llama3
  # For OpenAI: base_url: https://api.openai.com/v1, model: gpt-4o-mini

注意： llm 部分是可选的。没有它，cie_analyze 将返回原始分析数据。配置后，您将获得综合的叙述性摘要。

Note: The llm section is optional. Without it, cie_analyze returns raw analysis data. With it configured, you get synthesized narrative summaries.

MCP 工具

MCP Tools

当作为 MCP 服务器运行时，CIE 提供超过 20 种按类别组织的工具：

When running as an MCP server, CIE provides 20+ tools organized by category:

导航与搜索

Navigation & Search

调用图分析

Call Graph Analysis

代码理解

Code Understanding

Tool	Description
cie_get 常见问题（FAQ） CIE 如何帮助 AI 代理减少工具调用次数？ CIE 通过 MCP 协议提供结构化的代码智能（如语义搜索、调用图分析），使 AI 代理能一次性获取深层代码信息，无需多次往返查询。实践案例显示，追踪调用图时工具调用从 34 次降至 3 次，减少高达 90%。 CIE 的本地优先设计如何保障代码隐私？ CIE 完全在本地运行，所有代码索引、分析和查询数据均保留在用户机器上，代码永不离开本地环境。这确保了 100% 的数据私有性，无需担心云端传输或第三方存储风险。 CIE 支持哪些编程语言和开发工具？ CIE 提供多语言支持（如 Go 等），并原生集成 MCP 协议，可与 Claude Code、Cursor 及任何 MCP 客户端无缝协作。安装后即可通过语义搜索、调用图分析等功能增强现有开发流程。